/ Модель
Каталог

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Опубликована
28 мая 2024

Ссылки

Hugging Face

financial-sentiment-model-1500-samples

kevinwlip
Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель для классификации тональности финансовых текстов.

20скачиваний за 30 дней0лайковвеса обновлены29 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

kevinwlip/financial-sentiment-model-1500-samples — модель классификации текста на основе DistilBERT, дообученная на неизвестном наборе данных; базовая модель — distilbert/distilbert-base-uncased. Она предназначена для классификации финансовых текстов по тональности. В оценке на тестовом наборе указаны accuracy и F1 по 0,7333, loss 0,7427, MSE 0,4767 и MAE 0,3367; данных о классах и составе обучающей выборки нет. Модель использует текстовый ввод, имеет контекст до 512 токенов и распространяется по лицензии Apache-2.0.

Сценарии применения

  • Определение тональности финансовых новостей
  • Классификация тональности комментариев о компаниях и рынках
  • Разметка финансовых текстов для последующего анализа

Ограничения

Обучающий датасет и набор классов не описаны. На указанном наборе оценки accuracy и F1 составляют 0,7333, поэтому качество на других данных может отличаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723моделиII.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделейII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

financial-sentiment-model-1500-samples

This model is a fine-tuned version of distilbert-base-uncased on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7427
  • Accuracy: 0.7333
  • F1: 0.7333
  • Mse: 0.4767
  • Mae: 0.3367

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Framework versions

  • Transformers 4.43.3
  • Pytorch 2.3.1+cu121
  • Datasets 2.20.0
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
28ae673

0 моделей

    Создать бенчмарк